Llm Hallucination Detector

SKILL.md

---
name: LLM Hallucination Detector
slug: llm-hallucination-detector
description: >
  检测大型语言模型输出中的幻觉内容。通过事实验证、一致性检查、来源追溯和置信度评估，
  帮助用户识别 AI 生成的虚构信息、错误引用和不实陈述，提升 LLM 输出的可信度。
version: 1.0.0
author: ai-gaoqian
tags:
  - ai-safety
  - llm
  - hallucination-detection
  - fact-checking
  - quality-assurance
metadata:
  openclaw:
    requires: ">=1.0.0"
---

# LLM Hallucination Detector

## 概述

面向 LLM 输出的幻觉检测系统。对 AI 生成的文本进行多维度审查，标记可能虚构、错误或不可验证的内容。

## 核心能力

### 1. 事实验证
- 交叉引用可靠数据源验证事实性声明
- 检测虚构的统计数据、日期和人名
- 识别编造的 URL、DOI、论文标题
- 验证代码 API 是否真实存在

### 2. 一致性检查
- 检测输出内部的逻辑矛盾
- 识别与已知事实冲突的陈述
- 发现前后不一致的数值和参数
- 评估多轮对话中的记忆连贯性

### 3. 来源追溯
- 要求 LLM 为每个声明提供来源
- 验证引用的真实性和准确性
- 识别来源不存在或内容不符的情况
- 标记缺乏引用支撑的断言

### 4. 置信度评估
- 对每句声明进行置信度评分（0-1）
- 标记低置信度段落并给出理由
- 区分"确定知识"与"推测内容"
- 生成风险等级分类报告

### 5. 领域专项检测
- 医学声明的事实核查（药物、剂量、症状）
- 法律条文的准确性验证
- 金融数据的实时交叉验证
- 代码示例的可运行性检查

## 使用方式

```
检测这段 LLM 输出: <AI 生成的文本>
分析对话中的幻觉: <多轮对话记录>
验证技术文档: <AI 生成的文档>
```

## 输出格式

- 幻觉检测报告（含逐句评估、风险等级、可信度评分）
- 问题声明列表（含标注原因和纠正建议）
- 整体可信度评分和摘要

## 数据底座

整合 Wikidata、维基百科、学术数据库、官方文档等 20+ 可信数据源，覆盖科学、医学、法律、技术、历史等 10 大领域的事实核查规则库。

## 定价

¥0.50 / 次检测